Понятие сегментирования рынка. Основные принципы сегментирования потребительских рынков

Следующий признак сегментации – психографический. Данный признак можно описать с помощью следующих факторов:

- социальная принадлежность (неимущие, средние по достатку, с высоким достатком, с очень высоким достатком);

- стиль жизни (элитарный, спортивный, городской и др.);

- личные качества (тип темперамента, склонность к новаторству, стремление к лидерству и др.).

Последний, четвертый признак – поведенческий:

- степень случайности покупки (обычно, всегда или иногда случайная покупка);

- поиск выгод (в более низких ценах, в лучшем обслуживании и др.);

- степень нуждаемости в продукте (высокая, низкая или средняя);

- степень готовности купить изделие (нет желания покупать вообще, стремиться купить, обязательно купит);

- мотивация для совершения покупки (ежедневные покупки, особый случай).

Сегмент рынка образуется из группы покупателей с одинаковыми признаками.

2.      Обработка и анализ полученных данных.

Обычно при проведении маркетинговых исследований используется информация, полученная на основе первичных и вторичных данных.

Первичные данные получаются в результате специально проведенных для решения конкретной маркетинговой проблемы так называемых полевых маркетинговых исследований; их сбор осуществляется путем наблюдений, опросов, экспериментальных исследований, выполняемых, как правило, над частью общей совокупности исследуемых объектов – выборкой.

Под вторичными данными, применяемыми при проведении так называемых кабинетных маркетинговых исследований, понимаются данные, собранные ранее из внутренних и внешних источников для целей, отличных от целей маркетинговых исследований. Другими словами, вторичные данные не является результатом проведения специальных маркетинговых исследований.

Различают (по отношению к фирме) внешние и внутренние источники для вторичных исследований. В качестве внутренних источников информации могут быть – маркетинговая статистика (характеристика товарооборота, объем сбыта, объем распродаж, импорт, экспорт, рекламации), данные о маркетинговых затратах (по продукту, рекламе, продвижению, сбыта, коммуникациям), прочие данные (о производительности установок, оборудования, прайс-листы на сырье и материалы, характеристика системы складирования, карты потребителей и др.).

В качестве внешних источников выступают:

- публикации национальных и международных официальных организаций;

- публикации государственных органов, министерств, муниципальных комитетов;

- публикации торгово-промышленных палат и объединений;

- ежегодники статистической информации;

- отчеты и издания отраслевых фирм и совместных предприятий;

- книги, сообщения в журналах и газетах;

- публикации учебных, научно-исследовательских, проектных институтов и общественно-научных организаций, симпозиумов, конгрессов, конференций.

Основными достоинствами вторичных исследований являются:

- затраты на проведение кабинетных исследований меньше, чем на проведение таких же исследований с помощью полевых исследований;

- большей частью вполне достаточно для решения исследований только вторичной информации, поэтому первичные исследования становятся не нужными;

- возможность использования результатов кабинетного исследования, в случае если поставленная цель маркетингового исследования не достигнута, для определения задач полевого исследования, его планирования и использования выборочного метода.

В тех случаях, когда вторичное исследование не дает нужного результата проводят первичное (полевое) исследование.

Основными методами получения первичных данных являются опрос, наблюдение, эксперимент и панель. Наибольшее распространение получил метод опроса и интервью. Каждый из методов может использоваться в сочетании с другими, полевые исследования почти всегда дороже кабинетных. Поэтому они применяются в случаях, когда:

- в результате вторичного исследования не достигнут требуемый результат и не возможно проведение соответствующего маркетингового мероприятия;

- высокие затраты на полевые исследования могут быть компенсированы значением и необходимостью решения соответствующей задачи.

Полевое исследование может быть полным или сплошным, если им охвачена вся группа интересующих исследователя респондентов и частичным, если им охвачен определенный процент респондентов.

В общем случае проведения кабинетных или полевых исследований следует иметь ввиду, что сбор и обработка данных в процессе исследования осуществляется методами, которые теория маркетинга заимствовала из математики, статистики, психологии, социологии социальной экономики.

Данные, полученные в процессе маркетингового исследования должны пройти процедуру обработки, обобщения и интерпретации. При этом выделяют три области: упорядочения, масштабирования (шкалирования), обобщения и анализа.

Упорядочение данных заключается в распределении данных по категориям, их редактировании и кодировании результатов, а также их табулировании.

Под редактированием понимается просмотр данных, имея ввиду возможности их использования. Представление просмотренного материала данных в форме таблиц означает их табулирование.

Шкалирование означает классификацию данных по определенным критериям. На практике применяются номинальная шкала (классификационные), порядковая шкала (ранговые) и количественные (метрические).

Анализ и обобщение данных осуществляется методами ручной, компьютерной (полукомпьютерной), когда используется карманный компьютер и электронной (с использованием персонального или большого компьютера) обработки. Для обработки используются как описательные, так и аналитические методы. Среди аналитических методов в маркетинге часто применяются: анализ трендов, методы нелинейной регрессии и коррекции, дискриминантный анализ, кластерный анализ, факторный анализ и другие. Возможные направления применения отдельных аналитических методов показаны в табл. 2.

Таблица 2.1.  Примеры использования аналитических методов

Анализ данных.

Достаточно часто исследователь должен определить, имеет ли место какая-то связь между двумя или более переменными, и если да, то каковы ее степень и функ­циональная форма.

Обычно мы пытаемся предсказать значение одной переменной (например, потребление какого-то конк­ретного продукта семьей) на базе одной или более других переменных (например, дохода и количества чле­нов семьи). Переменная, значение которой необхо­димо предсказать, называется зависимой (результа­тивной) или переменной-критерием. Переменные, которые дают основу для построения предсказания, называются независимыми или переменными-предикторами.

Простой регрессионный и корелляционный анализ.

Регрессионный анализ и корреляционный анализ находят широкое применение в маркетинговых иссле­дованиях, когда изучается взаимосвязь двух и более переменных. Хотя в использование эти два определения зачастую взаимно заменяют друг друга, существу­ет различие в целях их применения. В корреляцион­ном анализе измеряется близость взаимосвязи двух или более переменных. Самой техникой этого приема рассматривается совместная вариация двух мер, ни одну из которых экспериментатор не ограничивает. С другой стороны, регрессионный анализ использует­ся для вывода уравнения, которое связывает перемен­ную-критерий с одной или более переменными-предик­торами. В ней рассматривается распределение частот переменной-критерия при сохранении переменных-предикторов постоянными на различных уровнях.

В отношении корреляционного анализа следует об­ратить внимание на различие между понятиями корре­ляции и причинности. Использование в корреляцион­ном анализе терминов «зависимые переменные» (критерии) и независимые переменные» (предикторы) берет свое начало от описания функциональных мате­матических связей и никоим образом не связано с на­личием зависимости одной переменной от другой в смысле причинной обусловленности. Например, в то время как статистические приемы могут показывать определенную корреляцию между высоким доходом и тенденцией к проведению зимних отпусков на Карибских островах, будет ошибкой предполагать, что обладание высоким доходом является причиной того, что соответствующее лицо направляется на юг, как только столбик термометра устремляется вниз. В корреляционном анализе, как и в математической процедуре, нет ничего такого, что могло бы использоваться для установления причинной обусловленности. Все, чего можно добиться в результате использования всех этих процедур, — это установить меру (степень) связи или корреляции между переменными.

Предмет регрессионного и корреляционного анализа лучше всего обсуждать на конкретных примерах. Поэтому рассмотрим изготовителя шариковых ручек Click, который заинтересован в исследовании эффективности маркетинговых усилий своей фирмы. Компания планирует использовать в качестве меры оценки эффективности ежегодный объем продаж по территориям. Эффективность деятельности оптовиков требует установления их рейтингов по ряду критериев и расчёта совокупного рейтинга. В нем 4 означает выдающуюся эффективность, 3 — хорошую, 2 – среднего уровня и 1 — слабую. Учитывая время и затраты, не обходимые для генерирования этих характеристик рек­ламы и распределения продукции, компания решила анализировать только определенную выборку из об­щего числа торговых территорий. Данные случайным образом определенной выборки объемом 40 террито­рий представлены в Таблице 1 Приложения F.

Влияние каждой структурной переменной марке­тинга на объём продаж можно исследовать несколькими способами. Один, самый очевидный, состоит просто в графическом представлении объема про­даж как функции от каждой переменной. Эти графи­ки, называемые диаграммами рассеивания, представ­лены в Приложения G. Рубрика А этого рисунка показы­вает, что объем продаж возрастает с увеличением числа телевизионных роликов, демонстрируемых ежемесячно. Рубрика В свидетельствует о росте объема продаж с увеличением числа торговых представителей, обслуживающих территорию. И наконец, из рубрики С следует, что существует слабое взаимодействие между объемов продаж на территории  и эффективностью обслуживающего эту территорию оптовика.

Пристальное рассмотрение рубрик А и В позволяет также утверждать, что можно было бы суммировать взаимосвязь объемов продаж с каждой переменной-предиктором, проведя прямую линию по точкам дан­ных. Один из способов генерирования этой взаимосвя­зи объемов продаж и либо показов телевизионной рекламы, либо числа торговых представителей может быть реализован «на глазок», т. е. как бы визуальном прочерчиванием прямой линии по точкам графиков. Такая линия будет представлять собой линию «средней» взаимосвязи. Она покажет среднее значение перемен­ной-критерия, а именно продаж, при заданных значениях каждой переменной-предиктора, т. е. показов рек­ламного ролика или числа торговых представителей.

Альтернативный подход состоит в установлении математического соответствия между линией и данным. Общее уравнение прямой линии у= a + bХ, где a — точка пересечения с осью Y и b — коэффициент накло­на прямой. В случае, когда Y — это объем продаж а Х1 — количество показов рекламы, уравнение будет записано как Y = a + b1Х1, тогда как для взаимосвязи объема продаж Y и числа торговых представителей X2, оно может быть записано как Y = a2 + b2 X2, где подстрочные индексы определяют соответствующие пере­менные-предикторы. Далее линию наилучшего приближения можно определить целым рядом математических способов (например,  решение по методу наименьших квадратов).

Существует также ещё один параметр при анализе данных, такой как коэффициент корелляции – термин, используемый в регрессионном анализе для указания степени близости зависимости между переменной-критерием и переменной-предиктором к линейной.

Коэффициент корелляции может меняться от -1 до 1. Полная положительная корелляция, при которой любое увеличение X точно определяет увеличение Y, даёт коэффициент +1. Полная отрицательная корелляция, когда любое увеличение X  в точности сопровождается уменьшением Н, дает коэффициент -1.

Множественный регрессионный анализ